投资要点：
　　为什么Ego数据有望成为本轮物理AI数采主线？
　　1）物理AI当前的瓶颈之一，是缺乏能够持续Scaling的高质量真实世界交互数据。相较于真机数据依赖机器人本体、遥操作人员和专业场地，Ego通过第一人称设备采集人类真实操作行为，可以利用人类天然具备的操作能力，以相对较低的成本快速扩大数据规模、场景丰富度和任务覆盖范围。同时，Ego主要记录人类与物理环境的交互过程，不直接绑定特定机器人硬件，具备一定的跨本体复用潜力。
　　 2）Ego的Scaling潜力已获得初步验证。2026年2月，英伟达EgoScale的研究使用20,854小时带动作标注的Ego视频，发现随着第一视角人类操作数据规模扩大，模型训练效果能够持续改善，结合少量真机数据适配后，还能提升机器人实际操作成功率，并实现跨不同自由度机器人本体的迁移。2026年6月，Ma等研究人员对比Ego人类操作视频与真实机器人遥操作数据的预训练效果，发现在相同预训练数据规模下，经过高质量筛选和标注的Ego数据使模型真机动作预测验证损失降低24%，分布内、分布外真机任务成功率分别相对提升52.5%和90%。
　　我们认为，一是模型厂商有动力增加高质量Ego数据的预训练投入；二是具备数据筛选、动作标注和人机对齐能力的数据服务商可能更有价值。
　　从产业技术路线来看，当前比较值得关注的是四类数据。
　　1）Ego数据（第一人称视角数据）：通过头戴式或者胸戴式设备，记录人类完成各种操作任务的全过程。其优势在于能够利用人类自身的行为经验开展大规模采集，不需要所有数据都依赖真实机器人生成，因此具有扩大任务覆盖度、降低部分采集成本的潜力。
　　 2）UMI数据（通用操作接口数据）：通过专门的手持操作设备，采集人类执行任务时的位姿、轨迹以及物体交互信息，为机器人学习抓取和操作行为提供监督信号。
　　 3）机器人本体数据：通过真实机器人遥操作或者自主执行任务，采集关节状态、末端位姿、视觉及力觉反馈等数据。这类数据更加贴近最终机器人控制，但受到硬件成本、采集效率和不同本体结构的限制。
　　 4）仿真合成数据：如果所有训练数据都依靠真实机器人在真实场景中采集，整体成本会较高，同时一些复杂或者危险场景也很难充分覆盖。仿真合成数据通过真实数据建立物理世界表征，再结合3D建模、世界模型和物理仿真生成更多训练场景，最终回到真实机器人进行测试和验证。
　　我们预计短期Ego数据需求增长弹性较大，中长期真机及高精度多模态数据的重要性持续提升。Ego具备采集规模大、单位成本相对较低的特点，有望率先承接通用模型预训练的数据扩容需求；真机和触觉数据虽然采集规模相对有限，但由于设备投入、采集精度及任务适配要求更高，单位有效数据价值可能更高。我们认为，物理AI数据服务商未来的核心壁垒，不仅在于低成本获取海量Ego数据，更在于能否将人类操作视频转化为机器人真正可以使用的动作训练数据。随着模型训练需求升级，具备3D空间重建、动作轨迹提取、物理仿真及数据闭环能力的公司，有望进一步提升数据附加值，商业模式也有机会从传统数据采集向高质量数据资产及训练基础设施延伸。
　　投资分析意见。Ego数据有望率先实现规模化扩张，重点关注真实数据采集、3D数据加工及仿真训练相关布局。【风语筑】联合松应科技成立风应科技，布局物理AI仿真、空间合成数据及机器人训练基础设施，叠加与PICO生态的合作，探索真实数据采集与仿真训练协同；【凡拓数创】布局Ego、UMI无本体数据采集及FunSim仿真平台，具备3D空间数据向机器人动作训练数据转化的潜力；【宝通科技】与光轮智能合作，依托工业场景资源切入物理AI数据采集、仿真及训练闭环；【中广天择】已推出第一视角动作交互、双手操作关键点及导航行为等Ego数据集，具备真实场景采集、多模态标注及数据产品化基础；【天娱数科】基于Behavision空间智能MaaS平台，已沉淀海量3D数据与多模态数据；【华数传媒】参与出资设立浙江具身智能数据运营公司，依托真实生产生活场景及专业数据工程合作伙伴，布局Ego、UMI和真机数据规模化采集与交付；【五一视界】推出AperEgo第一视角采集系统及AperData具身数据平台，结合51Sim仿真能力，布局数据采集、合成及训练基础设施；【群核科技】依托大规模3D空间场景和模型资产，通过SpatialVerse空间智能平台提供机器人虚拟训练场及仿真数据。
　　风险提示。物理AI技术发展不及预期、数据采集需求不及预期、行业竞争加剧。